算法基础-高精度计算第26页

机器学习算法基础--朴素贝叶斯，评判标准，交叉验证与网格搜索，决策树，随机森林

机器学习算法基础--第三天朴素贝叶斯算法原理评判标准模型的选择与调优分类算法--决策树决策树的结构、本地保存集成学习方法-随机森林朴素贝叶斯算法原理前话：要了解朴素贝叶斯，首先得了解贝叶斯原理：贝叶斯视频连接

WslWslYYX·2023-01-02 08:41

【算法基础】1.2 归并排序

文章目录归并排序题目描述解法讲解逆序对的数量（归并排序的思路）题目描述解法讲解本文主要讲解归并排序及其思路的相关应用。归并排序题目描述给定你一个长度为n的整数数列。请你使用归并排序对这个数列按照从小到大进行排序。并将排好序的数列按顺序输出。912.排序数组https://leetcode.cn/problems/sort-an-array/数据范围1≤n≤100000解法classSolution

小威W·2023-01-02 07:18

【算法基础】1.3 二分

文章目录数的范围（整数二分）题目描述解法讲解数的三次方根（小数二分）题目描述解法讲解本文通过两道例题分别讲解整数二分和小数二分，其中整数二分更具难度一些。数的范围（整数二分）题目描述给定一个按照升序排列的长度为n的整数数组，以及q个查询。对于每个查询，返回一个元素k的起始位置和终止位置（位置从0开始计数）。如果数组中不存在该元素，则返回-1-1。数据范围1≤n≤1000001≤q≤100001≤k

小威W·2023-01-02 07:18

最优化算法目录_python或matlab实现

2.梯度类算法Tikhonov正则化模型用于图片去噪_matlab实现非精确线搜索(Zhang&Hager)的BB步长梯度下降法实例：Tikhonov正则化模型用于图片去噪3.拟牛顿类算法L-BFGS算法基础

眰恦I·2023-01-01 17:47

图像基本运算

图像基本运算图像处理是建立在各种算法基础上的处理方法，图像基本运算主要包括点运算、代数运算（加、减、乘、除）、逻辑运算（与、或、非）和几何运算（平移、镜像、旋转、缩放）。

Rabbitbubu·2023-01-01 10:57

matlab怎么学机器人算法,机器人学、机器视觉与控制——MATLAB算法基础

第1章绪言1.1关于本书1.1.1MATLAB软件1.1.2读者对象及必备知识1.1.3符号与约定1.1.4怎样使用本书1.1.5使用本书教学1.1.6本书梗概第一部分基础知识第2章位置与姿态描述2.1二维空间位姿描述2.2三维空间位姿描述2.2.1三维空间姿态描述2.2.2平移与旋转组合2.3本章总结第1章绪言1.1关于本书1.1.1MATLAB软件1.1.2读者对象及必备知识1.1.3符号与约

专科生考研聚集地·2022-12-31 20:37

【数据结构】算法基础学习笔记--数据结构

本笔记为本人基于Mooc课程–数据结构整理总结，可用于算法基础学习。声明：如要转载，请与博主联系，转载请注明出处。

秦哈哈·2022-12-31 14:08

【算法】高精度问题

我们可以利用程序设计的方法去实现这样的高精度计算。由于C++中没有处理专门去处理大整数的类，我们可以用字符串或者STL的容器来处理

平凡的人1·2022-12-31 02:03

机器学习算法基础（使用Python代码）

介绍谷歌的自动驾驶汽车和机器人受到了很多媒体的关注，但该公司真正的未来是在机器学习领域，这种技术能使计算机变得更聪明，更个性化。-EricSchmidt（Google董事长）我们可能生活在人类历史上最具决定性的时期。从大型的电脑主机到个人电脑再到云计算的时代。但是，它的定义并不是发生了什么，而是未来几年我们将面临什么。对于我这样的人来说，这段时期真的是让人兴奋和着迷的，因为随着技术的发展，各种工具

CDA·数据分析师·2022-12-30 14:03

三跨考生准备考研复试(机试)之路（日记版）

也许还会变，应该会在1月1之前敲定，快点开始学习了，买了yxc的语法基础课和算法基础课（c++），打算先学起来了，边学边规划后面学些什么，希望有大佬指点一下学哪些东西，还有什么项目合适的问题。

小K很哇塞·2022-12-30 07:38

数据拟合算法c语言实现,数据拟合算法剖析及C语言实现.doc

在引用前人的算法基础上,采用正交多项式最小二乘法进行曲线拟合,通过实验对算法进行了分析,并给出了C语言实现的代码。

Jack遇见冰山·2022-12-29 20:33

ccc-机器学习算法基础-5

线性回归1.基本简介线性回归是回归分析的一种。构造步骤为：假设因变量与自变量之间线性相关构建损失函数通过令损失函数最小来确定参数通用公式：h(w)=w0+w1x1+w2x2+…=wTxℎ(w)=w_0+w_1x_1+w_2x_2+…=w^Txh(w)=w0+w1x1+w2x2+…=wTx其中w，xw，xw，x为矩阵说明：对于多变量上采取降维处理，如图2.损失函数（最小二乘法）误差平方和：j(θ)=

扔出去的回旋镖·2022-12-28 09:01

极限求解案例

数学中的“极限”指：某一个函数中的某一个变量，此变量在变大（或者变小）的永远变化的过程中，逐渐向某一个确定的数值A不断地逼近而“永远不能够重合到A”（“永远不能够等于A，但是取等于A‘已经足够取得高精度计算结果

探窑者·2022-12-27 23:45

机器算法基础——回归分析

内容大纲1、回归算法-线性回归分析2、线性回归实例3、回归性能评估4、分类算法-逻辑回归5、逻辑回归实例6、聚类算法-kmeans7、k-means实例Q：如何判断是分类算法还是回归算法由目标值特征来决定使用分类（离散型）算法还是回归（连续型）算法Q：回归有什么应用分类回归的应用：一个是知道具体的数据预测，一个是得到回归后的分类问题1.回归算法-线性回归分析1.1关于线性回归Q：线性回归的作用寻找

咸鱼2K·2022-12-26 23:42

机器学习算法基础（二）

降维：把特征的数量减少1、特征选择2、主成分分析1、特征选择特征选择就是单纯地从提取到的所有特征中选择部分特征作为训练集特征，特征在选择前和选择后可以改变值、也不改变值，但是选择后的特征维数肯定比选择前小，毕竟我们只选择了其中的一部分特征。主要方法（三大武器）：Filter(过滤式):VarianceThresholdEmbedded(嵌入式)：正则化、决策树Wrapper(包裹式)主要讲Filt

咸鱼2K·2022-12-26 23:12

【算法基础学习 1】贝叶斯滤波

(一).概率基础回顾我们先来回顾一下概率论里的基本知识：1.X:表示一个随机变量，如果它有有限个可能的取值{x1,x2,⋯,xn}2.p(X=xi):表示变量X的值为xi的概率。3.p(⋅):称为概率质量函数(probabilitymassfunction).例如：一个家里有3个房间，机器人在各个房间的概率为p(room)={0.1,0.3,0.6}.4.如果X在连续空间取值，p(x)称为概率密度

wb790238030·2022-12-26 00:18

一文搞懂JVM架构：java数据结构和c语言数据结构区别

在这一环节，数据结构与算法基础不扎实的人，必然会挂掉！而懂数据

普通网友·2022-12-24 11:25

机器学习算法基础——决策树

文章目录决策树算法的定义发展历程适用范围及其优缺点适用范围优点缺点代码实现决策树算法的定义决策树（DecisionTree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值

snowy2002·2022-12-24 11:21

机器学习算法基础——KNN算法

KNN(K-NearestNeighbor)–K近邻分类算法•为了判断未知实例的类别，以所有已知类别的实例作为参照选择参数K•计算未知实例与所有已知实例的距离•选择最近K个已知实例•根据少数服从多数的投票法则(majority-voting)，让未知实例归类为K个最邻近样本中最多数的类别简单来说，KNN算法就是看预测数据距离哪一类数据接近就把它预测成哪一类。举一个简单的例子：如图，红色的点和蓝色的

snowy2002·2022-12-24 11:19

搜索中常见数据结构与算法探究（一）

1前言ES现在已经被广泛的使用在日常的搜索中，Lucene作为它的内核值得我们深入研究，比如FST，下面就用两篇分享来介绍一些本文的主题：第一篇主要介绍数据结构和算法基础和分析方法，以及一些常用的典型的数据结构

·2022-12-23 19:05

C语言算法基础——二叉树的实现

文章目录前言一、实现二叉树的基本思想二、二叉树的代码1.二叉树的结构体2.二叉树的初始化3.二叉树的创建4.前中后序遍历5.求树的深度6.二叉树的翻转7.主函数测试8.结果展示总结前言1、二叉树（Binarytree）是树形结构的一个重要类型。许多实际问题抽象出来的数据结构往往是二叉树形式，即使是一般的树也能简单地转换为二叉树，而且二叉树的存储结构及其算法都较为简单，因此二叉树显得特别重要。二叉树

Conspicuous.·2022-12-23 15:41

机器学习算法基础——逻辑回归

01逻辑回归可以用来解决简单的二分类问题。逻辑回归的预测函数为hθ(x)=g(θTx)h_\theta(x)=g(\theta^Tx)hθ(x)=g(θTx)，其中g(x)g(x)g(x)为sigmoidsigmoidsigmoid函数，用于将数值映射到区间[0,1][0,1][0,1]中，然后再取对数值用于刻画损失函数。线性逻辑回归：我们先来实现一个简单的线性逻辑回归的二分类问题：数据下载：ht

snowy2002·2022-12-22 08:32

开源书，可以更好的学习算法知识吗？

进一步查阅研究发现是一批开发者发起的讲算法基础的开源书。书的名字叫《Hello算法》，GitHub地址：传送链接官网地址：传送链接恰好酱也想学习下算法基

开源酱·2022-12-21 10:47

如何在 sCrypt 合约中实现浮点数运算

这篇文章我们就来聊聊在合约中如何实现模拟浮点数的高精度计算。

sCrypt 智能合约·2022-12-21 07:44

RAPPOR: Randomized Aggregatable Privacy-PreservingOrdinal Response略读

RAPPOR算法基础用户将数据进行扰动后发送给收集者，在进行后续的各种操作首先将字符串通过布隆过滤器用h个哈希函数进行处理（这里用了4个，所以B有4位置1），得到B，随后将B通过随机响应函数获得永久随机响应

_DADA__·2022-12-21 05:44

算法与数据结构 - 算法基础

文章目录前言一、算法与数据结构简介1.算法1.1什么是算法1.2算法的作用1.3题外话2.数据结构2.1什么是数据结构二、评价算法的标准2.1时间复杂度（1）基础运行次数（时间频次）（2）渐进时间复杂度什么是渐进时间复杂度如何推导时间复杂度常见的时间复杂度常见复杂度排序2.2空间复杂度（1）常见的空间复杂度结语前言点赞再看，养成习惯！关注晓龙oba公众号,更多电子书及学习资源免费领取。一、算法与数

晓龙oba·2022-12-20 17:38

2020年算法工程师技术路线图

来源：极市平台本文约13600字，建议阅读10分钟本文从工程基础、算法基础、算法工程交叉、工程深入方向、算法深入方向等方面给出建议，并设计了自我考核模块，帮助大家查漏补缺，自我提升。

数据派THU·2022-12-20 11:29

ISP成像算法基础Day2—Numpy

NumPy是在1995年诞⽣的Python库Numeric的基础上建⽴起来的。但真正促使NumPy的发⾏的是Python的SciPy库，SciPy是2001年发⾏的⼀个类似于Matlab，Maple，Mathematica等数学计算软件的Python库，它实现⾥⾯的⼤多数功能但SciPy中并没有合适的类似于Numeric中的对于基础的数据对象处理的功能。于是，SciPy的开发者将SciPy中的⼀部

Pluto2022·2022-12-20 09:45

算法基础知识-梯度，损失函数，目标函数

1.梯度梯度是一个向量(矢量)，它的数学含义是函数f(x,y)在可导处的变化速率，梯度越小，表示函数越趋近与某个最小极值。所以在机器学习算法中，通过梯度下降算法来对函数进行调优。2.损失函数-Loss-Function损失函数是衡量样本平均误差相关的函数，损失函数的数学意义是衡量模型输入与输出之间的误差值大小的函数。模型训练的目标就是求出使得损失函数取值最小的时候的模型参数。损失函数是用来评价模型

cyqyong·2022-12-19 17:13

数据挖掘学习——关联分析（电商、短视频常用推荐算法基础）+ python代码

目录1.概论2.基本概念（1）项集（2）关联规则（3）支持度（4）置信度（5）关联分析的基本步骤4.Apriori关联分析算法（1）寻找频繁项集（2）生成关联关系5.FP增长算法（1）将事务编码为FP树（2）寻找频繁项集6.python代码实现1.概论以最经典的“尿不湿和啤酒”的故事来说，这个故事讲的是一家超市通过分析往期的顾客购物清单，发现很多顾客在购买尿不湿的同时也购买了啤酒，于是这家超市将啤

长弓同学·2022-12-19 11:23

Spark 3.0 - 13.ML Kmeans 聚类理论与实战

目录一.引言二.Kmeans理论1.算法基础2.算法示例三.K-means实战1.数据准备2.构建K-means模型3.模型评估4.获取聚类中心四.总结一.引言聚类是一种数据挖掘领域中常见的无监督学习算法

BIT_666·2022-12-19 10:50

机器学习算法基础 Day6

回归算法-线性回归分析回归：目标值连续线性回归：寻找一种能预测的趋势线性关系：二维，直线关系；三维，目标值在一个平面内。线性模型b是为了将平面的直线都概括进去。因为y=kx只能概括经过原点的直线线性回归通过属性的线性组合来进行预测的函数：矩阵和数组的关系补充：从上图分析，数组在numpy中是ndarray类型，我们引入矩阵，就是为了满足一些特定的运算，我们要求他必须是二维，二维是个什么概念？就是[

小浩码出未来！·2022-12-18 09:21

机器学习算法基础 Day7

模型的保存与加载fromsklearn.externalsimportjoblib保存：joblib.dump(rf,'test.pkl')加载：estimator=joblib.load('test.pkl')注：文件格式pkl加载训练好的模型，就不需要再进行模型训练。分类算法-逻辑回归线性回归的式子作为逻辑回归的输入。逻辑回归是解决二分类问题的利器输入：逻辑回归公式：输出：[0,1]区间的概率

小浩码出未来！·2022-12-18 09:44

机器学习算法基础day6-7

1sklearnk-近邻算法API数据的处理（1）缩小数据集范围DataFrame.query()（2）处理日期数据pd.to_datetimepd.DatetimeIndex（3）增加分割的日期数据（4）删除没用的日期数据pd.drop（5）将签到位置少于n个用户的删除place_count=data.groupby('place_id').aggregate(np.count_nonzero)

CHEN的小喵·2022-12-16 16:20

机器学习算法基础day8

1常见决策树使用的算法ID3信息增益最大的准则C4.5信息增益比最大的准则CART回归树:平方误差最小分类树:基尼系数最小的准则在sklearn中可以选择划分的原则2sklearn决策树API3泰坦尼克号乘客生存分类模型(1)pd读取数据(2)选择有影响的特征，处理缺失值(3)进行特征工程，pd转换字典，特征抽取x_train.to_dict(orient="records")(4)决策树估计器流

CHEN的小喵·2022-12-16 16:20

机器学习算法基础day4-5

1sklearn数据集划分APIsklearn.model_selection.train_test_split2数据集返回的类型3sklearn机器学习算法的实现-估计器在sklearn中，估计器(estimator)是一个重要的角色，分类器和回归器都属于estimator，是一类实现了算法的API(1)用于分类的估类器sklearn.neighborsk-近邻算法sklearn.naive_b

CHEN的小喵·2022-12-16 16:19

机器学习算法基础 Day4

概率基础概率定义为一件事情发生的可能性联合概率和条件概率问题1、女神喜欢的概率？4/72、职业是程序员并且体型匀称的概率？P(程序员，匀称)=3/7*4/7=12/493、在女神喜欢的条件下，职业是程序员的概率？P(程序员|喜欢)=2/44、在女神喜欢的条件下，职业是产品，体重是超重的概率？P(产品，超重|喜欢)=P（产品|喜欢）P（超重|喜欢）=1/2*1/4=1/8朴素贝叶斯公式问题：从上面的

小浩码出未来！·2022-12-16 16:48

机器学习算法基础 Day2

1数据的特征抽取特征抽取对文本等数据进行特征值化。API：sklearn.feature_extraction字典特征抽取sklearn.feature_extraction.DictVectorizerDictVectorizer语法DictVectorizer(sparse=True，…）：sparse=Teur意思是产生稀疏矩阵DictVectorizer.fit_transform(X)：

小浩码出未来！·2022-12-16 16:18

机器学习算法基础 Day3

定义如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法最早是由Cover和Hart提出的一种分类算法计算距离公式两个样本的距离可以通过如下公式计算，又叫欧式距离比如说，a(a1,a2,a3),b(b1,b2,b3)计算距离公式两个样本的距离可以通过如下公式计算，又叫欧式距离比如说，a(a1,a2,a3),b(b1,b2,b3

小浩码出未来！·2022-12-16 16:18

机器学习算法基础-day2

机器学习算法基础sklearn数据集与机器学习组成机器学习组成：模型、策略、优化开发机器学习应用程序的步骤scikit-learn数据集sklearn.datasets模型的选择如何选择合适的算法模型监督学习中三类问题的解释分类问题回归问题标注问题模型检验

沸腾鱼o_o·2022-12-16 16:43

机器学习算法基础 Day5

分类算法-决策树、随机森林认识决策树信息论基础-银行贷款分析决策树的生成泰坦尼克号乘客生存分类例子：决策树思想的来源非常朴素，程序设计中的条件分支结构就是if-then结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法信息的度量和作用假设有32支球队，猜谁“谁是世界杯冠军”的信息量应该比5比特少。香农指出，它的准确信息量应该是：H=-(p1logp1+p2logp2+…+p32log32

小浩码出未来！·2022-12-16 16:39

机器学习算法基础6-模型保存与加载、逻辑回归、Kmeans(聚类)

文章目录一、模型的保存与加载二、逻辑回归-分类算法1.逻辑回归介绍2.逻辑回归损失函数3.逻辑回归API4.LogisticRegression回归案例-良／恶性乳腺癌肿瘤预测5.LogisticRegression总结6.判别模型与生成模型三、k-means-聚类-(非监督学习算法)1.k-means步骤2.聚类案例-用户对物品种类喜好分析3.Kmeans性能评估指标4.Kmeans性能评估指标

哎呦-_-不错·2022-12-16 11:16

机器学习算法基础8-模型保存与加载、逻辑回归、Kmeans(聚类)

目录一、模型的保存与加载二、逻辑回归-分类算法1.逻辑回归介绍2.逻辑回归损失函数3.逻辑回归API4.LogisticRegression回归案例-良／恶性乳腺癌肿瘤预测5.LogisticRegression总结6.判别模型与生成模型三、k-means-聚类-(非监督学习算法)1.k-means步骤2.聚类案例-用户对物品种类喜好分析3.Kmeans性能评估指标4.Kmeans性能评估指标AP

qq_42749341·2022-12-16 11:10

机器学习算法基础 6 模型保存与加载、逻辑回归、Kmeans(聚类)

模型的保存与加载#sklearn模型的保存与加载fromsklearn.datasetsimportload_bostonfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardScalerfromsklearn.linear_modelimportLinearRegressio

eddiechen10081·2022-12-16 11:36

人工智能-算法入门-

1入门1.1算法基础和算法选择https://www.cnblogs.com/skying555/p/6898150.html步骤0：了解基本知识在我们深入学习之前，我们先重温基础知识。

yuezhilangniao·2022-12-16 04:12

数据结构和算法基础Python语言实现

等了有1年多了，这本《数据结构和算法基础Python语言实现》终于和大家见面了。书本配套教程：https://github.com/liangxuCHEN/Algorithms_python

懂一点的陈老师·2022-12-16 03:47

基于ENVI 5.3单通道算法：普适性算法和TIRS 10_SC算法操作要点

提示：本文基于上一篇单通道算法基础，只写操作要点。

江子姬·2022-12-15 16:50

朴素贝叶斯模型

朴素贝叶斯模型朴素贝叶斯方法是在贝叶斯算法基础上进行了相应的简化，即假定给定目标值时属性之间相互条件独立。

big_matster·2022-12-14 20:13

【人工智能算法】算法基础之K均值聚类算法

本文重点主要有：聚类质心非监督训练K均值算法理解训练集多组观测值通常被划分为称作“训练集”的大型集合，这些数据都被用于训练机器学习算法。“训练”指的是通过调整算法的内部状态，使得机器学习算法的输出符合预期输出的过程。按所使用的训练集不同，机器学习算法宽泛地分为两类：监督学习和非监督学习。在非监督学习过程中，你仅仅向算法提供向量形式的输入数据，但却不设置预期输出；聚类算法就是一种非监督学习。非监督学

桑桑在路上·2022-12-14 15:05

改进的Patchwork数字水印算法——C++实现

Patchwork数字水印算法基础原理Patchwork原意为一种用各种颜色和形状拼接成的布料。

Atrix·M·2022-12-14 11:28

推荐频道

算法基础-高精度计算